第3节 随机信号分析.ppt

第三章 随机信号分析 主 要 内 容 一、分布函数 二、概率密度函数 三、数学期望 四、方差 五、相关函数 一、相关函数 二、功率谱密度 线性系统输入Vi(t)，输出V0(t)，冲激响应h(t) 只要输入有界且系统是物理可实现的，则当输入是随机过程 便有输出随机过程 ，且： 由于线性系统是物理可实现的，则 假定输入 是平稳随机过程，分析 的统计特性。 1、数学期望 由于 与t无关，所以 也与t无关。 根据1和2的结论可知 是广义平稳随机过程。 2、自相关函数 即 的自相关函数与时间起点无关。 * * 随机信号：信号的某个或某几个参数不能预知或不能完全预知。 随机噪声：不能预测的噪声。（简称噪声） 随机过程：随机信号与随机噪声的统称。 3.1 随机过程的一般表述 3.2 平稳随机过程 3.3 平稳随机过程的相关函数和功率谱密度 3.4 高斯过程 3.5 白噪声 3.6 随机过程通过线性系统 3.1 随机过程的一般表述 随机过程的基本特征是：它是时间t的函数，但在任一确定时刻上的取值是不确定的。 随机过程的不确定性使之只能通过统计分析方法研究。 随机性体现在出现哪一个实现是不确定的。 随机过程的统计特性是通过它的概率分布或数字特征加以表述的。 概率分布： 分布函数 概率密度函数 数字特征： 数学期望 方差 相关函数 设 表示一个随机过程， （t1为任意时刻）是其中一个实现，则我们称 F1（x1，t1）=P{ ≤x1} 为 的一维分布函数。 主要性质： 0≤F1(x1，t1)≤1 若x1≤x2，则F1(x1，t1)≤F(x2，t1) F1(-∞,t1) = 0 F1(+∞,t1) = 1 显然，一维分布函数不足以充分描述随机过程，通常需要在足够多的时刻上考虑，即多维分布函数。我们定义 为 的n维分布函数。 n越大则越能体现 的统计特性。 一维： 常用P(x)表示 性质： ① P(x) ≥ 0 ② 表示随机变量值为x的概率 常用a(t)表示 统计平均值 性质： E[C] = C，C为常量 记为σ2(t) σ(t)又称为标准方差 性质： 常量的方差为0 表征同一随机过程两个时间样本之间的相关程度，所以又称自相关函数 设随机过程 ，式中θ是一个离散随机变量,且 试求 。 解： 例 题 3-1 3.1 随机过程的一般表述 3.2 平稳随机过程 3.3 平稳随机过程的相关函数和功率谱密度 3.4 高斯过程 3.5 白噪声 3.6 随机过程通过线性系统 定义一：若随机过程的任何n维分布函数或概率密度函数与时间起点无关，则称之为平稳随机过程。（狭义） 即： 平稳随机过程的数字特征： 数学期望和方差与t无关，分别为a和σ2 自相关函数仅与时间间隔有关，即 定义二：数字特征满足上述特性的随机过程称为平衡随机过程。（广义） 通信系统中的信号与噪声大部分都是平稳随机过程。 平稳随机过程的各态历经性：平稳随机过程的数字特征可由随机过程中的任一实现的数字特征来决定，即随机过程的数字特征可用“时间平均”代替“统计平均”。 假设x(t)是平稳随机过程的任一实现，其数字特征为： 则由“各态历经性”可得随机过程的数字特征为： 各态历经性可使统计平均转化为时间平均，简化计算。 3.1 随机过程的一般表述 3.2 平稳随机过程 3.3 平稳随机过程的相关函数和功率谱密度 3.4 高斯过程 3.5 白噪声 3.6 随机过程通过线性系统 主要性质：（设 为实平稳随机过程） 平均功率 直流功率 交流功率 平稳随机过程的自相关函数与其功率谱密度之间互为傅立叶变换。 即： 例 题 3-2 已知噪声n(t)的自相关函数 ,其中a为常数，求 。 解： 3.1 随机过程的一般表述 3.2 平稳随机过程 3.3 平稳随机过程的相关函数和功率谱密度 3.4 高斯过程 3.5 白噪声 3.6 随机过程